Gemini 2.0
Gemini 2.0 是谷歌推出的原生多模态AI模型，具备快速处理文本、音频和图像的能力，支持多语言输出和实时音视频流输入。通过Agent技术和工具调用，Gemini 2.0 能够自主理解任务并提供解决方案，已在编程、数据分析、游戏等领域展示应用潜力。目前提供免费试用，计划逐步开放更多功能。
实时
MiniMax Audio
MiniMax Audio是一款基于人工智能的语音合成工具，支持多语言、多情感及声音克隆功能，可将文本快速转换为自然流畅的语音。它具备降噪、超长文本合成、实时语音生成等特性，适用于视频配音、播客制作、游戏配音等多种应用场景。
Copilot Vision
Copilot Vision是一款由微软开发的人工智能辅助工具，专为Microsoft Edge浏览器设计，处于预览阶段。它能够理解网页内容，通过语音交互为用户提供实时分析和见解，帮助用户进行活动规划、购物决策和学习辅助，同时确保用户隐私安全。
photoeditor
PhotoEditor是一款基于人工智能技术的在线图片编辑工具，支持多种格式的照片编辑，具备智能对象移除、自动图像增强、人像修饰、图像放大和多样化编辑工具等功能。凭借其对像素和上下文的精准分析，能够生成自然且高质量的结果，适用于社交媒体内容创作、电子商务产品图片处理、旅游照片优化和个人相册整理等多种应用场景。
---
Fish Speech 1.5
Fish Speech 1.5是一款基于深度学习的文本转语音（TTS）工具，支持多语言文本输入，通过Transformer、VITS、VQVAE和GPT等技术实现高质量语音合成。它具备零样本和少样本语音合成能力，延迟时间短，无需依赖音素，泛化性强，且支持本地化部署。Fish Speech 1.5可应用于有声读物、辅助技术、语言学习及客户服务等多个领域。
